【2026投資展望-電子】沿主線，買缺口 | 智庫

AI硬件重點看好AI芯片方向，國產算力在解決產能供給瓶頸后，伴隨國內互聯網公司持續提升的AI算力需求以及自上而下的國產化目標，有望迎來“從1到10”的業績放量，核心公司具有較大彈性。

存儲芯片供給端擴產周期長、產能彈性有限，導致供需嚴重失衡，進而推動存儲價格大幅上漲。這一趨勢預計將在未來1—2年內持續，為存儲產業鏈帶來顯著的業績彈性。

AI大模型要真正觸達消費者，必須依托高效的端側入口。當前最具潛力的兩大終端形態為智能手機與AI眼鏡。

來源：新財富雜志（ID：xcfplus）

作者：王芳（中泰證券研究所聯席所長兼電子行業首席分析師）

更多詳細內容參見2月份出版的《新財富》雜志

01

AI硬件：升級迭代加速

云端算力基建維持高景氣，大廠資本開支強勁，北美及中國頭部云廠商（CSP）2025―2026年資本開支指引樂觀，主要用于AI服務器、數據中心和網絡基礎設施，因此帶動硬件升級迭代加速：AI服務器技術規格快速演進（如英偉達Rubin架構），帶動PCB（印刷電路板，高階技術路線包括高端HDI/SLP，即高密度互連板/類載板）、光模塊、液冷系統等配套硬件的需求量和價值量雙升。

重點看好AI芯片方向，從圖形處理器（GPU）向專用集成電路（ASIC）演進，降本成為核心驅動力。當前AI服務器中價值占比最高的部分是GPU，其成本約占整機的80%―90%。過去兩年，尤其是2024年以來，AI應用重心正從訓練階段加速向推理階段遷移，芯片架構也逐步由通用型GPU轉向專用型ASIC。

這一轉變的核心動因在于顯著的成本優化。以英偉達高端GPU為例，單顆售價約10萬美元以上；而谷歌通過自研TPU（張量處理單元），可將推理成本降低約50%。正因如此，全球科技巨頭紛紛布局自研AI芯片?谷歌的TPU已支撐其大模型在全球保持領先地位，而博通作為TPU的主要設計方，市值在近兩年增長2―3倍，目前已達1.5萬億美元。

相比之下，中國AI芯片龍頭企業寒武紀當前市值僅約5000億元人民幣，遠低于英偉達的4萬多億美元。差距并非源于市場規模或設計能力，而主要受限于先進制程制造環節。國產AI芯片高度依賴臺積電等海外代工廠，在先進工藝節點上面臨“卡脖子”問題，導致產品迭代速度滯后。因此，以中芯國際為代表的本土晶圓代工企業正加速布局先進制程產能，其營收已實現持續快速增長，成為國產替代的關鍵支點。

展望2026年，國產算力在解決產能供給瓶頸后，伴隨國內互聯網公司持續提升的AI算力需求，以及自上而下的國產化目標，有望迎來“從1到10”的業績放量，核心公司具有較大彈性。

02

存儲：需求爆發疊加供給緊張，價格持續上行

服務器第二大價值組成部分是存儲系統。近年來，AI服務器和數據中心建設推動存儲需求呈爆炸式增長。國內頭部互聯網廠商資本開支強勁，AI服務器出貨量年增速普遍超過30%；若按英偉達的樂觀預測，未來幾年AI服務器復合增長率有望達到50%。在此背景下，存儲需求同步高速增長。

根據TrendForce數據，我們預計2026年全球八大CSP（云計算服務商，包括美系四巨頭谷歌、亞馬遜、Meta、微軟及中國的阿里巴巴、百度、騰訊等）的資本開支將飆升至6020億美元，同比增長40%。其中，約60%將用于服務器及相關ICT基礎設施，這意味著僅CSP的服務器支出就將達到3612億美元。在全球服務器市場中，CSP貢獻近59%的采購額，其需求動向已成為整個市場的風向標?我們不能忽視這一核心引擎的強勁拉動力。

此外，我們測算出服務器存儲市場規模將同步水漲船高。在服務器BOM成本（物料清單成本）中，存儲芯片（DRAM+NAND+HDD，即“動態隨機存取存儲器+閃存+硬盤”）的價值量占比已穩定在25%―27%。基于上述CSP支出，并考慮非CSP領域（企業、政府等）約20%的需求增速，我們推算2026年全球服務器存儲采購金額將達到1376億美元，同比增長31%。值得注意的是，這一數字尚未計入因供需緊張可能帶來的價格上漲因素，實際市場規模有望更高。

我們深入剖析了AI推理三大范式升級如何重構存儲需求的底層邏輯。

KVCache多層緩存成為標配：為降低大語言模型（LLM）推理時延與算力成本，業界普遍采用“HBM（熱點計算）+DRAM（層級緩存）+SSD（冷數據/長周期緩存）”的三級架構。這使得DRAM與SSD不再是被動的數據倉庫，而是主動參與計算流程的關鍵環節，其配置容量被顯著放大。

對話范式從“自答”走向“協作”：鏈式推理（CoT）、多Agent（智能體）協同、工具調用等復雜交互模式日益普及，單次任務的詞元（Token）消耗量從千級躍升至萬級，帶來10倍量級的數據讀寫需求。這要求我們的存儲系統能高效、低成本地承載中間態與歷史態數據。

媒介從“文本”邁向“多模態”：視頻、音頻等內容的生成與理解，其時空Token密度遠超純文本，對HBM帶寬、DRAM容量及SSD持續擴容能力提出更高要求?尤其在冷數據緩存、檢索索引等方面，SSD展現出最強彈性。

這些趨勢共同指向一個結論：我們正進入一個“存儲即性能”的時代，存儲不再只是配套，而是決定AI系統效率與成本的核心變量。

然而，存儲芯片供給端擴產周期長、產能彈性有限，導致供需嚴重失衡，進而推動存儲價格大幅上漲。這一趨勢預計將在未來1―2年內持續，為存儲產業鏈帶來顯著的業績彈性。

面對洶涌需求，我們觀察到存儲原廠并未盲目擴產，而是采取“技術優先、聚焦高端”的戰略，將有限產能向AI數據中心傾斜，導致通用產品供給相對寬松，而AI專用高端產品供給極度緊張。

在DRAM領域，我們看到制程迭代正在加速。行業正從1a節點快速向1b、1c演進，其中1b將在2026年成為主力，1c則率先用于HBM4芯片等頂級產品。具體來看，三星已與英偉達敲定HBM4供應協議，并通過P4、P5工廠擴建及舊產線改造，大幅提升1c、HBM4產能，同時削減1a產能轉向1b。SK海力士采用1b制程生產HBM4，并計劃將1c產能擴大8倍以滿足AI客戶，更宣布將于2026年4月停產DDR4，將全部產能轉向HBM與DDR5。美光則將1β、1b工藝用于HBM4，1γ、1c用于DDR5、LPDDR5X，并逐步覆蓋全產品線。這些動作清晰表明，原廠的戰略重心已完全轉向AI驅動的高價值DRAM，通用DRAM的供給增長極為有限。

在NAND領域，我們同樣看到結構性傾斜。3DNAND層數已邁入“300+時代”（如SK海力士為321層），單Die（單個NAND閃存芯片）容量與晶圓產出效率大幅提升。但廠商策略高度聚焦：三星重啟Z-NAND研發，目標是提供性能比傳統NAND高15倍、功耗低80%的AI優化產品；SK海力士推出專屬“AI-NAND”家族；美光則果斷退出移動UFS5（通用閃存存儲第五代標準）與消費級SSD業務，新工廠（臺灣A5、日本廣島）全力聚焦HBM，同時推出基于G9-NAND的企業級SSD。

由此可見，NAND供給也在向高密度、高性能的數據中心SSD集中，消費級與移動級產品線被戰略性收縮。這種“高端緊、低端松”的格局，正是“硬缺口”形成的關鍵原因。

03

AI終端入口：

手機與AR眼鏡將成為關鍵載體

AI大模型要真正觸達消費者，必須依托高效的端側入口。當前最具潛力的兩大終端形態為智能手機與AI眼鏡。

智能手機：蘋果被視為AI手機的核心引領者。其首款AI手機將于2025年進入第二代產品周期，并在2026年迭代至第三代，標志著AI手機進入創新爆發期。

AI眼鏡：Meta是該領域的先行者。其AI眼鏡銷量從2023年不足200萬臺，躍升至2024年約500萬臺，預計2025年將突破2000萬臺。Meta正積極推進多款AI硬件產品的發布與生態建設，市場前景廣闊。

巨頭紛紛布局，蘋果、Meta、阿里、字節等科技巨頭正加速將AI能力下沉至手機、可穿戴設備（尤其是AI眼鏡）等終端。

硬件載體明確，AI手機和AI眼鏡被視為中短期最重要的端側AI落地場景，有望催生新的硬件創新浪潮和供應鏈機會。

終端設備需兼顧性能、成本與用戶體驗，因此對芯片能效比、系統集成度及工業設計提出更高要求，也為產業鏈上下游帶來新的增長機遇。

本文所提及的任何資訊和信息，僅為作者個人觀點表達或對于具體事件的陳述，不構成推薦及投資建議，不代表本社觀點。投資者應自行承擔據此進行投資所產生的風險及后果。